一种基于机器学习与多物理场耦合的智能等效建模与仿真优化方法

本发明公开了一种基于机器学习与多物理场耦合的智能等效建模与仿真优化方法，该方法利用自定义材料与Python脚本输出的等效参数相结合的2.5D芯片应力仿真方法，能够在保证高精度的前提下，显著降低计算时间和内存资源消耗；且基于大规模历史数据训练的DNN，可在仿真过程中动态调整等效模型，实现更优化的应力分析；该方法能大幅缩短研发周期并提高设计可靠性，具有很高的实用价值和商业价值；通过等效模型的构建和自动化脚本的应用，设计人员可以更加高效地进行2.5D芯片的应力分析和优化，为集成电路的设计提供了一个全新的解决方案。